炼油厂轻度污染废水的处理及回用

采用生物接触氧化工艺对某炼油厂轻度污染废水进行中试实验,研究了停留时间和气水比对处理效果的影响;观察到了高活性的生物膜;改进了砂滤池,提高了悬浮物的去除率．结果表明,采用该工艺处理炼油厂轻度污染废水,在停留时间为100min、气水比为3：1、砂滤池反冲洗周期为12h的条件下,可获得稳定的处理效果,出水指标可达到回用标准.     

粘性河岸稳定性计算模型对比

在考虑了孔隙压力与静水压力的前提下,经适当优化提出了三个典型粘性河岸稳定性计算模型,并用这三个计算模型对一实测河岸稳定性进行了计算对比．结果表明,对天然河岸而言,简化模型比较简单、实用,但精度稍差;采用概率模型可较好地预测河岸崩塌后的形态;采用分层模型计算精度更高,但计算量相对较大。三模型均适用于以类似于平面崩塌方式发生崩塌的粘性河岸的稳定性计算。     

论知识领导者

在知识经济时代,我们真正需要的是知识领导者,而不是知识的管理者。本文在分析知识领导产生的原因的基础上,对知识领导进行分类,最后提出知识领导所需要的素质。     

高3-蒈烯思茅松松脂的化学特征

采用气-质联用仪对云南梁河的思茅松松脂及松节油进行组成成分分析。发现其含较高3-蒈烯,其林分松脂的3-蒈烯含量为8．2％～10．0％,平均值为9．1％（n=4）;3-蒈烯在单萜＋倍半萜中的质量分数为17．5％～27．9％,平均值为21．7％。单株松脂3-蒈烯含量最大值为21．1％,高于高山松6％,单株中3-蒈烯在单萜＋倍半萜中质量分数为45．2％（n=12）。实验室甘油法蒸馏所得松．节油中3-蒈烯含量为27.0％～30．0％,与松脂中3-蒈烯在单萜＋倍半萜中的质量分数相近。     

基于非集计模型的中长途客运旅客选择方式

近年来,随着我国高铁的快速发展,给公路客运产生了巨大的冲击。为了提高公路客运企业竞争力,结合中长旅客出行需求和发展态势,笔者从旅客特性、出行特征、运输方式特性等角度,分析了旅客出行行为偏好影响因素,构建了基于非集计的多元Logistic旅客选择方式回归模型。论文依据北京公路客运数据,对0～400km和400～800km的中短途和中长途旅客出行选择行为进行了敏感度分析实验。实验表明,0～400km中短途出行的旅客对便捷性和准时性的敏感度高,而400～800km中长途出行的旅客对出行费用、出行时间、舒适性和安全性的敏感度高。     

面向局部定点区域的微型气象监测系统设计与试验研究

针对大型气象监测站成本高、覆盖范围有限、灵活性差的问题,设计了一套面向局部定点区域的智能化微型气象监测系统。首先,基于树莓派Raspberry Pi 4B平台开发了一套微型气象数据采集装置,可实现多种气象参数的实时采集与传输。然后,基于Qt开发了一款服务端软件,实现了针对前端采集气象数据的接收、存储、管理和可视化显示。前端采集系统实现了多种气象信息的综合检测,且系统功能可靠稳定;服务端系统实现的大数据管理和图形化显示,增强了系统可读性和实用性。该系统不仅能为气象数据的联合分析提供可靠数据源,也为业界开发相关商业产品提供了借鉴思路。     

改进的Alexnet模型在水稻害虫图像识别中的应用

深度学习技术能以端对端方式实现农作物害虫识别,克服了传统机器学习方法特征选择具有主观性以及提取特征操作繁琐等不足,但识别的准确率和鲁棒性仍有待提高。为了研究出一种快速,高效的水稻害虫识别方法,本研究以稻纵卷叶螟、三化螟、稻蝗、稻飞虱4种常见的水稻害虫为研究对象,对传统的卷积神经网络Alexnet进行优化改进。首先从自然环境以及搜索引擎上获取4种不同的水稻害虫图像,并对图像进行数量扩增和细节增强预处理。然后对传统的卷积神经网络Alexnet进行优化改进,在Alexnet模型基础上,去除原有局部响应归一化层,在每一个卷积层后加入批归一化层,并采用全局平均池化和激活函数PReLU对模型结构进行优化。结果表明:改进后的模型在害虫数据集上的识别率不低于98%,相比于原网络提升了1.96%,高于LeNet5、VGG13、VGG16等传统网络;改进后的模型的损失值稳定在0.03附近,相比于原网络降低了0.1,均低于LeNet5、VGG13、VGG16等传统网络。从实验结果来看,改进后的方法在水稻害虫分类上有较高的识别率和较好的鲁棒性,可以为农作物害虫的智能识别提供了新的思路和方法。     

利用高密度电法勘探盐边县格萨拉巨型滑坡堆积体

探讨盐边县格萨拉巨型滑坡堆积体的滑动面的位置和形态并分析滑坡稳定性进而为拟建高速公路路线设计提供有效的建议。采用高密度电法作为初步勘察阶段的滑坡勘探手段,建立不同采集装置的滑坡正演模型进行数值分析,初步了解拟勘探滑坡的视电阻率拟断面图并确定采集装置类型,结合地质调查结果,确定主要的反演参数,并根据反演结果修正正演模型进行对比判别。结果表明研究所用的反演参数效果较好,正演模型修正之后的视电阻率剖面与反演结果相匹配,使反演解译成果能够较好地反应出真实滑动面的位置和形态,且通过钻探得到了验证,计算结果表明该滑坡处于不稳定状态。最终,拟建高速公路的选线设计采纳了研究成果,对该巨型滑坡堆积体采取绕避措施,说明高速公路初步勘察阶段采用高密度电法作为巨型滑坡堆积体滑动面勘察的地球物理勘探手段是经济且高效的。     

冻融作用对中俄东线天然气管道工程过境段边坡影响

中俄东线天然气输送工程是目前国内输气量最大的跨国输气管道,确保该段工程的安全平稳运行,对保障天然气供需双方的经济利益具有重要意义。本文通过对中俄东线天然气管道工程过境段边坡的现场监测,监测了过境段边坡1年内的坡体温度与位移变化,然后结合数值模拟手段,分析了冻融作用对边坡稳定性的影响,得到结果：过境段边坡表面1.5 m深度以内的土体容易受冻融作用影响,过境段边坡在经历首次冻融循环作用后坡面位移最大可达30 mm;边坡安全系数随着冻融循环次数的增加不断减小至一个稳定值,过境段边坡安全系数最大值为2.96,最小值为2.5。本研究对中俄东线天然气管道工程过境段边坡安全维护工作具有指导意义。     

基于深度学习的风力发电机组故障预警方法研究综述

风能作为重要的可再生能源,近几十年来,全球风能使用规模迅速增长,陆上和海上风力发电机组发电容量不断增加。由于风力发电机组故障维修成本巨大,因此必须开发有效且可靠的风力发电机组故障预警方法,在风电机组发生故障前进行提前预警,以便降低风电场的运营和维护成本。目前风电机组数据采集与监视控制系统(supervisory control and data acquisition, SCADA)已经在风电场有了广泛的应用,其中蕴含着大量的潜在数据信息,同时深度学习方法在海量数据挖掘方面有比较明显的优势,因此深度学习方法在风力发电机组故障预警领域的应用潜力巨大。综述了近年来相关深度学习方法在风力发电机组故障预警的研究进展,总结了风电机组故障预警的大体步骤,分析了各个步骤的具体处理方法,对每种技术方法的特点进行整理分析。最后阐述了深度学习在风电机组故障预警领域所面临的挑战,并对今后的研究重点进行了展望。